多植保无人机协同路径规划

为实现多植保无人机（UAVs）协同作业，并提高作业效率，提出了一种基于改进粒子群优化（PSO）的多植保无人机协同路径规划算法。根据作业区域的形状面积和植保UAV的作业参数划分各架UAV作业区域，采用栅格法生成各区域全覆盖作业航线。以各架植保UAV各架次植保作业距离为算法寻优变量，在确保各架UAV补给时间满足间隔分布约束条件下，综合考虑补给总次数、返航补给总时间、总耗时和最小补给时间间隔4项因素，并构成目标函数，通过采用改进PSO算法，实现了对各UAV返航顺序和返航点位置的寻优。仿真分析结果表明，相较于最大作业距离规划和最小返航距离规划，本文提出的规划算法表现出了较优的性能和较好的作业区域适应性，证实了其有效性和实用性。     

用最大值原理求某无人机的最优上升轨迹

为改进某无人机飞行性能，应用最大值原理求解无人机在垂直平面内的最优上升轨迹，推导了无人机最经济爬升所满足的极值方程；并用此方程和最快爬升极值方程这两类目标函数求解了某无人机的最优上升轨迹，计算结果表明，经优化后的爬升轨迹可以节省燃油，延长无人机的续航时间或快速爬升到预定的终点高度具有较好的性能收益。     

海上无人机多机协同巡检航迹规划方法

随着无人机技术应用的不断深入,如何提高无人机编队的协同能力及在复杂动态环境的自适应性,已成为“集群智能”的 1个重要研究方向。文章对海上无人机多机协同航迹规划整体流程进行了分析,分别阐释了静态和动态场景下的多机协同规划方法。静态场景下主要采用分支定界法建立静态问题模型,为每架无人机划分作业区域、生成作业路径,使得整个巡检作业的航迹长度代价与作业时间代价最小;动态场景下主要针对气象变化、连续跟监、海域变化 3种突发场景,侧重于协同决策和路径规划设计对应的目标函数,采用启发式算法为整个巡检作业进行自适应航迹规划,以确保安全性和效率性。实验结果显示,无人机协同路径规划能够根据环境变化和任务需求动态调整多无人机的巡检路径,快速给出不同突发情况下的最佳动态调整方案,以应对复杂的海上环境并动态规避障碍物。     

基于多机协作的认知无人机网络能效联合优化

针对无人机（UAV）通信网络中频谱资源紧缺的问题,构建基于认知无线电的多无人机通信网络,通过多机协作频谱感知有效探索授权频谱。提出一种基于Bisection算法的迭代算法,通过联合优化感知时间和判决门限对构建的复杂非凸问题求解,显著提高了无人机次级认知网络的能量效率（EE）。分析了无人机飞行过程中能效的变化情况,仿真结果表明,存在最优感知时间使能效获得最大值,且判决门限的选择会影响该能效最优值;提出的高能效迭代算法具有较好收敛性,有效提高了认知无人机网络的能量利用率。     

基于RHC的无人机自主轨迹优化算法研究

介绍了一种无人机长航程飞行的轨迹优化的新方法.在禁飞区、最大航速和曲率等约束条件下,在滚动时域控制RHC(Receding Hoirzon Control)框架中使用混整线性规划MILP(Mix-Integer Linear Programming)来设计无人机最短时间的航迹,其中引入罚函数来说明从航迹端点到达目标点的估计时间.仿真结果表明,使用这种方法,无人机可以顺利穿过障碍物区域,可以处理确定时间窗口的控制FHC(Fixed Horizon Controller)难于处理的长航程复杂优化问题.     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

基于混沌蚁群算法的应急物流路径优化算法

以医疗器械应急物流配送为研究对象,以配送时间最短为研究目标,建立了医疗器械应急物流配送路径优化的数学模型,并将混沌蚁群算法用于模型求解,给出了求解步骤。经计算机仿真表明,与基本蚁群算法相比,混沌蚁群算法优化质量明显改善,有效缩短了应急配送时间,提高了医疗器械应急物流的配送效率。     

基于样条曲线的机动弹头再入轨迹优化研究

使用三次样条函数拟合再入飞行器纵向运动轨迹,以样条曲线上的控制节点为优化参数,将再入轨迹优化问题转化为静态参数优化问题.最后以纵向平面内的最优轨迹为例,以终点速度最大和飞行时间最短为优化目标,采用基于Pareto定级排序遗传算法求解了在末端状态受约束的最优再入轨迹问题,验证了该方法的有效性.     

太阳能无人机能源系统的多维耦合建模

针对太阳能无人机能源系统建模的耦合性考虑不足、能量流动过程描述不全面等问题,将外部大气环境、无人机的姿态角度等不同维度下影响能源系统运行的多个因素纳入到建模过程中,先后给出了非均质大气环境模型、无人机运动模型、电机模型、减速器模型、螺旋桨模型、光伏电池模型和蓄电池模型的建立过程,并建立了各模型间的耦合关系,得到反映非均质大气环境下、动态飞行行为的太阳能无人机中能量流动的耦合模型。仿真结果表明：该模型可以完整的描述外部大气环境和无人机飞行姿态对无人机发电功率以及动力负荷功率的影响等耦合作用,适合用于仿真分析和地面半实物仿真平台的搭建。     

大跨时空任务背景下的太阳能无人机任务规划技术研究进展

通过任务规划技术合理的优化太阳能无人机的飞行轨迹和动力学参数，能够有效提高太阳能无人机的能量利用率，使其胜任许多大范围跨时间跨空间飞行任务。从能量建模、续航评估和能量管理策略3个方面对大跨时空任务背景下太阳能无人机任务规划技术的研究进展进行了综述。在能量建模方面，介绍了当前主流的太阳辐射模型和能量生产基本框架；在续航评估方面，分析了目前的指标设计和应用方法；在能量管理策略方面，从能量综合应用、风力滑翔机制、轨迹优化方法和面向特定任务的应用4个角度，梳理了当前的研究现状。最后，对该领域未来可能的研究方向进行了展望。     

超长航时太阳能无人机关键技术综述

超长航时太阳能无人机（UAV）以其高效节能、原理上可实现无限巡航的特点受到广泛关注，而其独特的设计指标与任务特性也对各项关键技术提出了较高要求。多设计要素的高度耦合意味着不同于常规飞行器的总体设计方法，低密度、低速度的飞行条件使其具有明显的低雷诺数气动特性，柔性超大展弦比机翼带来了复杂的气动弹性问题，低翼载荷特性与较大的风场扰动增加了控制难度，极端的飞行环境与苛刻的任务指标对能源、动力系统带来了新挑战，飞行性能对能源系统的高度依赖开辟了飞行轨迹优化的研究方向。本文梳理了超长航时太阳能无人机关键技术的研究现状，在此基础上对各项技术中的难点问题进行了阐释，并对超长航时太阳能无人机未来发展趋势进行了展望。     

太阳能/氢能无人机总体设计与能源管理策略研究

针对小型低空长航时电动无人机需求,给出了太阳能/氢能混合能源动力系统集成方案和小型低空长航时无人机构型。针对典型任务剖面,综合考虑太阳能电池和氢燃料电池特性,提出了一种考虑全机重量能量耦合关系的总体设计方法和任务剖面驱动的能源管理策略;建立了能源系统模型,给出了能源控制流程,开发了能源管理仿真平台。以1.5 kg任务载荷为例,完成了无人机总体方案设计,仿真分析了各种能源特性对飞行结果的影响。结果表明:能源管理策略能够根据任务剖面的要求合理配置能源系统的功率,满足各阶段的功率需求;无人机在冬至日航时为21 h、夏至日可实现跨昼夜飞行;在能源系统重量相同情况下,该混合能源无人机的航时分别是纯锂电池无人机和燃料电池无人机的5.5倍和1.2倍。     

一种凸多边形区域的无人机覆盖航迹规划算法

 覆盖航迹规划技术对于提高无人机的侦察能力和目标搜索能力具有重要的意义。首先从能量、路程、时间角度,理论上证明了转弯过程比直线平飞过程的效率低。其次给出了凸多边形跨度和宽度的定义,并把凸多边形区域的覆盖航迹规划问题转化为求凸多边形宽度的问题。最后证明了凸多边形区域的宽度只可能出现于“点边式”跨度之中,并给出了一种高效的“点边式”宽度算法。无人机只需要沿着宽度出现时的支撑平线方向飞行,即可以取得最少的转弯次数。通过仿真分析,证明了所提出的算法能够有效解决无人机在凸多边形区域中的覆盖航迹规划问题。     

基于能量优化的无人机机动轨迹生成方法

基于能量优化的无人机机动能够使无人机在不失去决定性位置优势的情况下获取相对于对手的能量优势，足够的能量优势可转换为有效的位置优势，有利于无人机在空战中随时改出当前机动并投入下一机动动作，对于无人机获取空战胜利至关重要。开展了基于能量优化的无人机机动轨迹生成方法研究，通过在无人机机动飞行包线内设计合适的机动指令，使得无人机能量性能指标最优。以上升转弯机动为例进行了机动轨迹生成的详细设计，并与常规上升转弯机动轨迹生成结果进行对比，仿真结果显示所设计的机动动作完成时间缩短了28.6%~83.8%，总能量变化减少了64.7%~70.1%，实现了无人机机动飞行的能量优化。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

结合跳点引导的无人机随机搜索避撞决策方法

针对无人机在城市空域环境和密集交通流下的避撞决策问题，提出马尔科夫决策过程（MDP）和蒙特卡洛树搜索（MCTS）算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限，容易陷入局部最优，导致在含有静态障碍的场景中无法实现避撞的同时保证全局航迹最优。因此结合跳点搜索算法在全局规划上的优势，建立离散路径点引导无人机并改进奖励函数来权衡飞行路线，在进行动态避撞的同时实现对静态障碍的全局避撞。经过多个实验场景仿真，其结果表明改进后的算法均能在不同场景中获得更好的性能表现。特别是在凹形限飞区空域仿真模型中，改进后的算法相对于原始的蒙特卡洛树搜索算法，其冲突概率降低了36%并且飞行时间缩短47.8%。     

Adaptive path planning for unmanned aerial vehicles based on bi-level programming and variable planning time interval

This paper presents an adaptive path planner for unmanned aerial vehicles (UAVs) to adapt a real-time path search procedure to variations and fluctuations of UAVs’ relevant performances, with respect to sensory capability, maneuverability, and flight velocity limit. On the basis of a novel adaptability-involved problem statement, bi-level programming (BLP) and variable planning step techniques are introduced to model the necessary path planning components and then an adaptive path planner is developed for the purpose of adaptation and optimization. Additionally, both probabilistic-risk-based obstacle avoidance and performance limits are described as path search constraints to guarantee path safety and navigability. A discrete-search-based path planning solution, embedded with four optimization strategies, is especially designed for the planner to efficiently generate optimal flight paths in complex operational spaces, within which different surface-to-air missiles (SAMs) are deployed. Simulation results in challenging and stochastic scenarios firstly demonstrate the effectiveness and efficiency of the proposed planner, and then verify its great adaptability and relative stability when planning optimal paths for a UAV with changing or fluctuating performances.     

Flight trajectory optimization of sun-tracking solar aircraft under the constraint of mission region

The optimal yawing angle of sun-tracking solar aircraft is tightly related to the solar azimuth angle, which results in a large arc flight path to dynamically track the sun position. However, the limited detection range of payload usually requires solar aircraft to loiter over areas of interest for persistent surveillance missions. The large arc sun-tracking flight may cause the target area on the ground to be outside the maximum coverage area of payload. The present study therefore develops an optimal flight control approach for planning the flight path of sun-tracking solar aircraft within a mission region. The proposed method enables sun-tracking solar aircraft to maintain the optimal yawing angle most of the time during daylight flight, except when the aircraft reverses its direction by turning flight. For a circular region with a mission radius of 50 km, the optimal flight trajectory and controls of an example Λ-shaped sun-tracking solar aircraft are investigated theoretically. Results demonstrate the effectiveness of the proposed approach to optimize the flight path of the sun-tracking aircraft under the given circular region while maximizing the battery input power. Furthermore, the effects of varying the mission radius on energy performance are explored numerically. It has been proved that both net energy and energy balance remain nearly constant as the radius constraint varies, which enables the solar aircraft to achieve perpetual flight at almost the same latitude as the large arc flight. The method and results presented in this paper can provide reference for the persistent operation of sun-tracking solar aircraft within specific mission areas.